社交媒体热点话题中合作行为检测
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-18页 |
| ·研究背景 | 第13-16页 |
| ·本文工作与主要贡献 | 第16-17页 |
| ·组织结构 | 第17-18页 |
| 第二章 相关工作 | 第18-23页 |
| ·社交媒体内容分析 | 第19-20页 |
| ·社交媒体用户行为分析 | 第20-21页 |
| ·社交媒体滥用 | 第21页 |
| ·本章小结 | 第21-23页 |
| 第三章 问题描述 | 第23-32页 |
| ·问题定义和解决思路 | 第23-27页 |
| ·社交媒体数据模型 | 第23-25页 |
| ·合作热点话题检测 | 第25-27页 |
| ·在线社交媒体数据 | 第27-31页 |
| ·新浪微博 | 第27-29页 |
| ·数据集介绍 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 热点话题合作行为分析框架 | 第32-56页 |
| ·语义消息图构建 | 第33-36页 |
| ·特征抽取 | 第33-34页 |
| ·Simhash降维 | 第34-35页 |
| ·海明距离计算 | 第35-36页 |
| ·热点话题发现 | 第36-40页 |
| ·凝聚子群算法 | 第36-38页 |
| ·基于共享边的算法 | 第38-40页 |
| ·合作行为分析 | 第40-47页 |
| ·消息关联记录 | 第40-42页 |
| ·SSN-LDA社区发现模型 | 第42-44页 |
| ·社区关联距离计算 | 第44-46页 |
| ·时间复杂度 | 第46-47页 |
| ·实验与结果分析 | 第47-54页 |
| ·实验环境 | 第47页 |
| ·数据预处理 | 第47页 |
| ·热点话题发现 | 第47-49页 |
| ·合作行为分析 | 第49-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 分布式在线检测方法 | 第56-69页 |
| ·在线热点话题发现 | 第56-63页 |
| ·Spark分布式内存计算系统 | 第56-57页 |
| ·在线语义消息图构建 | 第57-62页 |
| ·分布式凝聚子群计算 | 第62-63页 |
| ·热点话题在线分类 | 第63-65页 |
| ·热点特征抽取 | 第64-65页 |
| ·Boosting方法 | 第65页 |
| ·实验与分析 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-72页 |
| 参考文献 | 第72-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间发表论文和科研情况 | 第85页 |
